Zum Inhalt springen

Wissensbibliothek

Zusammenfassungen und Kernaussagen zu den Büchern, Aufsätzen, Artikeln und zum Code, den unsere KI-Agenten lesen – verfasst vom Research-Agenten von Stratmill. Jede Seite verlinkt auf das Original.

Bibliothek durchsuchen

952 Dokumente

Machine Learning for Trading

Dieses Notebook beschreibt einen operativen Ablauf, um eine Strategie über TWS oder Gateway mit Interactive Brokers zu verbinden. Es prüft, ob es sich um ein Paper-Konto handelt, liest Kontowerte und Positionen aus und ruft historische Bars ab, um den…

OrderausführungRisikomanagementMomentumAktien
Machine Learning for Trading

Dieses Notebook gibt einen Überblick über EdgarTools zur Untersuchung von SEC-Einreichungen und zur Extraktion strukturierter Unternehmensdaten. Es erklärt, wie Einreichende anhand einer stabilen CIK identifiziert, Einreichungen nach Formular abgerufen und…

AktienUS-MärkteBacktestingEreignisgesteuert
Machine Learning for Trading

Diese Fallstudie verwendet lineare Modelle als Ausgangsbasis für die Prognose künftiger Renditen in einem breiten US-Aktienpanel. Sie erläutert, warum überlappende Kurs- und Volumenmerkmale Kollinearität verursachen und die Koeffizienten der gewöhnlichen…

AktienUS-MärkteMaschinelles LernenStatistik
Machine Learning for Trading

Diese Analyse vergleicht registrierte kausale Behandlungseffekte, die mit Double Machine Learning geschätzt wurden, aus neun Trading-Fallstudien. Sie lädt die aktuellen Ergebnisse aus dem Register jeder Studie, prüft die Registerintegrität und doppelte…

StatistikMaschinelles LernenBacktestingAktien
Machine Learning for Trading

Dieses Notebook untersucht, wie empfindlich ein Momentum-Backtest für ETF gegenüber der angenommenen Handelsgebühr ist. Es hält die Gewichte und den Handelszeitplan der Strategie konstant, führt den Simulator mit verschiedenen Kosten pro Handelsseite erneut…

AktienMomentumBacktestingOrderausführung
Machine Learning for Trading

Das Notebook schätzt, wie stark ein gleich gewichtetes Portfolio aus überlebenden US-Aktien die Renditen gegenüber dem vollständigen ursprünglichen Anlageuniversum überzeichnen kann. Zunächst wird untersucht, wann das Panel ausscheidende Symbole erfasst.…

AktienUS-MärkteBacktesting
Machine Learning for Trading

Diese explorative Analyse führt Optionskontrakte und den Aufbau von Optionsketten ein und untersucht anschließend eine 2020-Stichprobe von S&P-500-Optionen auf acht Basiswerte. Sie erläutert Moneyness, inneren Wert und Zeitwert, implizite Volatilität, die…

OptionenAktienVolatilitätBewertung von Derivaten
Machine Learning for Trading

Diese Analyse wertet eine registrierte Backtesting-Pipeline für eine monatliche US-Aktienstrategie auf Basis von Unternehmensmerkmalen aus. Sie berichtet die Unsicherheit des Sharpe-Werts, die Wahrscheinlichkeit eines positiven Sharpe-Werts und…

AktienFaktorinvestierenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook bewertet positionsbezogene Stop-Losses, Trailing-Stops und zeitbasierte Ausstiege für die Allokationslinie, die unter geeigneten Kandidaten mit vollständiger Abdeckung den höchsten Validierungs-Sharpe aufweist. Jedes Overlay wird mit seiner…

AktienOptionenRisikomanagementBacktesting
Machine Learning for Trading

Dieses Notebook vergleicht Gewichtungsregeln für ein S&P-500-Optionsmodell, das Straddles verkauft. Die ausgewählten Symbole und die übrigen Strategieeinstellungen bleiben unverändert. Die Gleichgewichtungs-Baseline wird durch Allokatoren ersetzt, die…

OptionenAktienPortfolio-KonstruktionPositionsgrößenbestimmung
Machine Learning for Trading

Dieses Notebook beschreibt einen Ablauf, um aus den vierteljährlichen MD&A-Angaben von S&P-500-Unternehmen Handelsmerkmale abzuleiten. Als zeitpunktgenauen Anker dienen die Annahmedaten der Meldungen. Mehrere Meldungen eines Unternehmens am selben Datum…

AktienMaschinelles LernenMarktstimmungStatistik
Machine Learning for Trading

Dieses Notebook verwendet SHAP, um Prognosen der Ridge-Regression für ETF-Renditen zu erklären. Bei einem linearen Modell besteht ein geschlossener Zusammenhang zwischen Merkmalsattributionen, angepassten Koeffizienten und Abweichungen von den…

AktienMaschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook erklärt Kalman-Filter als Methode, um Merkmale aus Finanzpreisen abzuleiten. Ein lokaler linearer Trendzustand erfasst sowohl ein latentes Preisniveau als auch dessen Steigung, während ein Beobachtungsmodell verrauschte Schlusskurse…

AktienTechnische IndikatorenStatistikPairs-Trading
Machine Learning for Trading

Dieses Notebook stellt die instrumentierte Hauptkomponentenanalyse (IPCA) vor, einen Latent-Factor-Ansatz zur Prognose von Renditen anhand von Unternehmensmerkmalen. Statt jedem Merkmal direkt ein Renditegewicht zuzuweisen, modelliert IPCA die…

AktienFaktorinvestierenMaschinelles LernenStatistik
Machine Learning for Trading

Diese Studie verwendet Orderdaten von NVDA über zehn Handelstage, um zu untersuchen, wie die tägliche Handelsaktivität die Bildung von Bars beeinflusst. Sie filtert Trades auf die regulären Handelszeiten der US, klassifiziert Aggressor-Seiten anhand von…

AktienMarktmikrostrukturOrderausführungTechnische Indikatoren
Machine Learning for Trading

Diese Fallstudie wendet Gradient-Boosting-Bäume auf NASDAQ-100-Mikrostrukturmerkmale an, um Renditen und Richtung über mehrere Intraday-Zeithorizonte vorherzusagen. Sie stellt Bäume linearen Modellen gegenüber: Bäume können bedingte Beziehungen erkennen,…

Maschinelles LernenMarktmikrostrukturAktienStatistik
Machine Learning for Trading

Dieses Notebook vergleicht deterministische relationale Suche mit Einbettungssuche in einem Bestand institutioneller 13F-Beteiligungen. Es erstellt eine zeitpunktbezogene Momentaufnahme, indem es für jede Institution die zuletzt gemeldete Position vor einem…

Maschinelles LernenAktienStatistikBacktesting
Machine Learning for Trading

Dieses Notebook demonstriert das Training eines generativen adversarialen Netzwerks mit entwickelten ETF-Merkmalen unter differenzieller Privatsphäre. Es führt die Datenschutzparameter Epsilon und Delta ein, erläutert, warum DP-SGD den Gradienten jedes…

Maschinelles LernenStatistikRisikomanagementAktien
Machine Learning for Trading

Dieses Notebook wendet klassische Inferenz mit gewöhnlicher Methode der kleinsten Quadrate auf ETF-Merkmale und zukünftige Renditen an. Es behandelt Koeffizientenschätzungen, Standardfehler, t-Statistiken, p-Werte sowie Tests auf Heteroskedastizität,…

AktienStatistikRisikomanagementMaschinelles Lernen
Machine Learning for Trading

Dieses Dokument beschreibt Hilfsprogramme zum Laden geparster NASDAQ-ITCH-Nachrichten und zum Wiederaufbau eines Limit-Orderbuchs aus Auftragserteilungen, Löschungen, Stornierungen, Ausführungen und Ersetzungen. Es verfolgt die verbleibenden Aktien je…

AktienMarktmikrostrukturOrderausführungHochfrequenzhandel
Machine Learning for Trading

Dieses Notebook verfolgt die ETF-Ranking-Signale von der Portfoliobildung bis zu einem vereinfachten Backtest. Ridge-Regression und logistische Klassifikation werden mit Walk-Forward-Aufteilungen trainiert und anschließend mit Momentum- und gleich…

AktienMaschinelles LernenBacktestingOrderausführung
Machine Learning for Trading

Dieses Notebook vergleicht zeitbasierte Bars mit Tick-, Volumen-, Dollar-, Imbalance- und Run-Bars, die aus den Börsentransaktionen von AAPL an einem einzigen Tag erstellt werden. Die ersten vier Stichprobenverfahren gruppieren Beobachtungen nach…

AktienMarktmikrostrukturStatistikTechnische Indikatoren